大数据时代数据产生的价值越来越大，基于数据的相关技术、应用形式也在快速发展，但在探索与数相关的开发技术、应用场景和商业模式时，并非所有项目都能取得预期效果，这其中的一个重要原因就是数据质量问题导致了许多预期需求无法实现。
如果没有数据治理，再多的业务和技术投入都是徒劳，数据治理是保证数据质量的必需手段，加强数据治理提升数据质量已成为企业提升管理能力的重要任务。
【理解数据治理】
“数据治理”的概念可以从以下三个维度进行理解。
从微观角度，数据治理是指个体的数据管理，即对数据的实用性、可用性、完整性和安全性的整体管理。
从中观角度，数据治理是指公共治理，即区域和国家对其主权范围内的数据质量、权属、流动机制等方面的宏观管理。
从宏观角度，数据治理是指全球治理，即在大数据时代，以国家、国际组织、多利益攸关等为主体，对数据权利、流通、管理等方面的治理。
基于对于“数据治理”概念的理解，对于为何要进行“数据治理”的目的与原因也更加明确。
其一，大数据时代下的数据本身表现出与传统数据不同的大数据化特点，面对具备5V 特征（数据体量 大Volume、数据类型多Variety、处理速度快Velocity、价值密度低Value、准确性 Veracity）的数据，通过数据治理可以压缩数据体量、提高价值密度，促进数据资产价值最大化。
其二，许多公共部门、研究机 和企业掌握着大量的数据，但由于缺乏有序的共享和交易机制而使其成为了众多“数据孤岛”，数据价值 打折扣。部分商业数据交易也由于权属不明，而使企业和公众面临巨大风险。
其三，数据治理可以为工业 数据、商业数据和公共数据流动保驾护，有利于维护数据主体权利。
其四，数据共享在公共治理方面起到作用也越来越大。
【行业数据治理】
当前，我国大数据核心产业包括大数据硬件、大数据软件、大数据服务和行业大数据，市场规模快速增长，促进数据治理的现代化发展、安全合规、敏感数据与保护隐私、技术研发等内容都将在发展中更进一步，特别是行业数据数据治理将迎来新的变化与挑战。
金融数据治理
金融数据治理的个性特征主要体现在数据资产化和“中台治理”两个方面。一方面，相对于传统金融数据管理的“数据管控”，现代金融数据治理更加强调通过数据治理实现数据价值。
只有将数据变为可以使用的资产，才能真正实现金融数据的价值，这就要求金融机构通过金融数据治理将“数据资料”上升为“数据资产”。
金融资产数据化和金融数据资产化，是金融数据治理的结果，也是其在大数据时代背景下的重要特征。
另一方面，大数据时代对金融从业机构快速和及时创新以应对不断变化的市场需求能力要求越来越高，而这需要强大的数据决策能力支撑，而金融数据的“中台治理”，恰恰能发挥“水库效应”，因此金融数据中台治理逐渐成为金融从业机构的选择。
电商数据治理
电子商务随着大数据技术的应用加持，在基础设施、物流体系、电子认证等支撑下，产生了信用评价、电子支付、电商投融资等新的业务环节。
电商数据治理的主要特征包括：首先，电商企业由传统产业链上下游关系企业的封闭型数据流动，迅速随着数据流变向开放型联动化。
市场的需求和反馈变快，对电商企业的数据利用能力提出更高要求，这也是联动化特征的内在动力源泉。
其次，电子商务数据治理的模式也从传统的单一、片段化的数据治理发展为多元化治理。
无论是消费者、产品设计和制造者还电子商务经营者、售后服务提供者，都成为数据环节的制造者、使用者。
最后，对电商而言，数据资产化趋势日益突出，“数据资产列入资产负债表只是时间问题。”
政府数据治理
政府数据治理的主要特征包括：信息基础设施建设广泛提升、打破信息共享的非技术性壁垒、防范系统性数据泄露风险、与民众数据需求的充分对接等。
首先，政府数据治理依赖于有形设备与 形技术共同构成的信息基础设施，包括传感器网络、数据共享平台等，并需以物联网、云计算、人工智能最新一带技术为支撑。
其次，政府数据治理需要打破由于政府部门间的横向、纵向行政壁垒和部门利益而 成的数据孤岛，推动数据的流动和共享。
再次，政府掌握的数据信息较为丰富，数据量巨大，涉及面广，据调取及应用的合规、数据安全防护是政府数据治理需要解决的重要问题。
最后，目前政府数据治理的重心主要集中在政务、医疗、交通、城市管理等领域，未来政府数据治理应结合国家“放管服”改革和优化政 服务的具体要求，与民众、企业的需求高度对接。
物流数据治理
物流数据治理的主要特征包括：对数据权属及传输规范性的要求很高、消费者权益保护亟待加强、数据治理主体的权责和争议解决的主要方式须进一步明确和调整。
首先，物流数据是属于消费者、电商平台还是物流企业，电商平台与物流企业之间数据的收集、使用、传输等数据治理规则如何明确。
其次，在物流数据治理中，如何保障其基本权益不受损害，是数据治理要解决的第二个现实问题。
最后，数据主管部门、国家安全部门、公安部门、交通部门、邮政部门、商务部门的监管责任如何界定；电商企业物流企业、行业协会在数据治理中的权责关系如何进一步厘清；特别是面对数据垄断行为时，如何综合运用行政、司法和市场的手段去解决数据争议问题。这是物流数据治理需要重点关注和解决的第三个问题。
大数据时代的到来，使用现有技术手段处理海量数据不再遥不可及，妥当运营数据更将带来不可估量的价值，随着越来越多的企业依赖采集和储存、分析数据，并实现他们的商业目标。
特别是生产生活域中数以亿计的智能终端时时刻刻搜集着人们的数据，让人们享受信息技术带来的便利的同时，也给个人隐私、信息安全、网络安全等带来前所未有的挑战，在这样的情况下，数据治理的相关工作也更加迫切。
为了便于国内广大数据从业者学习相关认证，DAMA中国以国际数据管理协会(简称“DAMA国际”) DAMA数据管理知识体系为基础，结合国内实际需求，对DAMA国际数据管理专业人员认证( CDMP )的考试语言、考试形式、考试内容、证书类型等进行了适当本地化重构。
重构后认证考试分为数据治理工程师 ( CDGA )和数据治理专家 ( CDGP )，DAMA中国承担认证考试命题工作，并定期组织中文考试，对考试通过者由DAMA中国颁发认证证书。
证书有效期为三年，获得CDGA认证才能申请CDGP认证考试。
适学人群
政府及事业单位数据管理人员：
包括政府机构大数据/信息化/新型智慧城市主管部门人员、医疗/金融/教育等行业领域数据管理人员；
数据管理从业人员：
包括CIO企业首席信息官、CDO企业首席数据官、CTO企业信息技术官、组织数据管理专家、组织内各业务职能数据管理专员和数据管理团队及专兼职数据管理人员以及对信息技术和数据管理工作感兴趣的学习者；
组织数字化转型推动者及参与者：
CEO企业首席执行官、CM0企业首席营销官、CFO企业首席财务管理及企业数字化转型相关部门负责人(总经理、副总经理、总监、部门经理等)、数据服务行业从业人员。
认证收益
对于数据从业者个人而言：
·得到持续不断的专业发展；
·获得更高的市场信誉和认可。
对于企业而言：
提高员工的数据管理素质和技能；
提升全员的数据管理意识；
促进公司整体数据管理能力提升。